EMERGE-Policy: ロボットの心は単一ポリシーを超えて出現する

EMERGE-Policyは、ロボットの効果的な「心」を単一のポリシーに置くのではなく、知覚・推論・予測・行動・検証・記憶といった専門化されたコンポーネントが共有オーケストレーション内で相互作用することで創発させる、グラフ構造のエージェント型フレームワークである。Main Agentがアクティブなコンテキストウィンドウでタスクレベルの状態を保持し、役割特化型のSub Agentsが知覚、実行監視、検証、記憶統合を分離されたコンテキストで処理し、構造化されたタスク関連の証拠を返す。役割特化コンテキストは情報負荷を制御し、機能的なSkillインターフェースが異種バックエンドをOperational, Imagination, Evaluation Skillsとして構成する。基準に基づく検証、テキストによる障害診断、Branch Stackリカバリによる局所修正、トークン認識型外部メモリによるタスク状態保持を特徴とする。追加のファインチューニングなしで、複数の公開ベンチマークで優れた性能を達成し、実ロボット実験も実施した。

従来のロボットポリシーは単一のポリシーに依存し、複雑なタスクや障害への適応が限定的だった。EMERGE-Policyは、複数のエージェントが役割を分担し、並行して協調することで、システム全体としてのポリシーを創発させる点が新しい。また、モデルをスキルとしてフレームワーク内で呼び出す技術パラダイムにより、追加のファインチューニングなしで汎用性を高め、単一ポリシーを超えた堅牢なロボットポリシーを実現する。

手法の核は、グラフ構造のエージェント型フレームワークで、Main Agentと役割特化Sub Agentsの間で能力呼び出しと情報交換を調整すること。役割特化コンテキストが情報負荷を制御し、Main Agentには意思決定に必要な証拠のみを公開する。Skillインターフェースは異種バックエンドをOperational, Imagination, Evaluation Skillsとして統合する。基準に基づく検証、テキストによる障害診断、Branch Stackリカバリによる局所修正、トークン認識型外部メモリによるタスク状態保持が閉ループ相互作用を実現する。

追加のファインチューニングなしで、複数の公開ベンチマークで優れた性能を達成し、一連の実ロボット実験も実施した。具体的なベンチマーク名や実験内容は要旨からは不明。

要旨からは、システムレベルの結果が単一ポリシーを超えた堅牢なロボットポリシーを拡張できることを示唆しているが、限界や議論については明記されていない。

要旨で参照されている研究や関連手法は明示されていないが、同分野の定番として、ロボット学習における階層的強化学習やマルチエージェント強化学習、大規模言語モデルを活用したロボット制御に関する論文が考えられる。